Créateur de Personnages Cohérents 4.0 | Générateur d'Ensemble de Données de Personnage

Créateur de Personnages Cohérents 4.0 : Construisez un ensemble de données de personnage réutilisable à partir d'une image#

Le Créateur de Personnages Cohérents 4.0 est un flux de travail modulaire ComfyUI qui transforme une image de référence en un ensemble de données de personnage en 24 prises. Il couvre des vues neutres, des gros plans, des expressions, des tests d'éclairage, des poses d'action et des scènes narratives tout en gardant le visage, le corps, les vêtements et le style visuel du personnage reconnaissables sur l'ensemble du tableau.

Cette version est construite autour de FLUX.2 Klein 9B FP8, un encodeur de texte Qwen3 8B, le FLUX.2 VAE, un LoRA de cohérence dédié, et une guidance d'identité dans l'espace latent. L'édition simple garde le graphe pratique en omettant les étapes de suréchantillonnage et de détails du visage trouvées dans la version avancée. Vous pouvez prévisualiser le lot complet, sauvegarder uniquement les images qui passent votre vérification d'identité, et diriger les résultats acceptés dans un dossier d'ensemble de données nommé prêt pour le sous-titrage et l'entraînement LoRA.

Modèles clés dans le flux de travail ComfyUI du Créateur de Personnages Cohérents 4.0#

• FLUX.2 Klein 9B FP8. Le modèle principal de génération et d'édition d'images. Il suit l'image de référence et les instructions de scène à travers les 24 modules de l'ensemble de données tout en supportant de nouvelles poses, angles de caméra, expressions et environnements. Le modèle 9B est publié sous la FLUX Non-Commercial License, donc révisez ses termes avant d'utiliser les sorties ou dérivés commercialement. Voir black-forest-labs/FLUX.2-klein-9b-fp8.
• Qwen3 8B FP8 encodeur de texte mixte. Chargé en mode flux2, il traduit chaque instruction de module en conditionnement pour FLUX.2 Klein. Le graphe utilise qwen_3_8b_fp8mixed.safetensors du package d'encodeur prêt pour ComfyUI : Comfy-Org/vae-text-encorder-for-flux-klein-9b.
• FLUX.2 VAE. flux2-vae.safetensors encode l'image de référence pour la guidance d'identité et décode les latents générés en images finales de l'ensemble de données. L'actif empaqueté est disponible sur Comfy-Org/flux2-dev.
• FLUX.2 Klein 9B Consistency V2 LoRA. Cet adaptateur renforce la cohérence du personnage à travers différentes poses, expressions et scènes. Le flux de travail charge Flux2-Klein-9B-consistency-V2.safetensors à une force de 0.35; gardez cette valeur pour le premier essai avant de tester de petits ajustements. Voir dx8152/Flux2-Klein-9B-Consistency.
• FLUX.2 Klein Identity Guidance. Ce patch de modèle au moment de l'échantillonnage compare le latent débruit actuel avec la référence encodée et ramène les caractéristiques d'identité correspondantes vers la source. Le graphe utilise une guidance adaptative pour que le visage et le design du personnage restent ancrés sans figer la pose ou l'arrière-plan demandés. Voir capitan01R/ComfyUI-Flux2Klein-Enhancer.

Comment utiliser le flux de travail ComfyUI du Créateur de Personnages Cohérents 4.0#

Le graphe est organisé en contrôles de configuration partagés à gauche et 24 modules de génération autonomes à droite. Configurez la référence, la dénomination, le style, et le mode de sauvegarde une fois, puis mettez en file d'attente le graphe pour construire un tableau de révision couvrant le personnage des prises de documentation neutres aux scènes d'éclairage et d'action difficiles.

Sélection du modèle#

Le groupe MODELSELECTION charge les quatre actifs de modèle requis. UNETLoader (#527) sélectionne FLUX.2 Klein 9B FP8, CLIPLoader (#528) charge Qwen3 8B avec le type flux2, et VAELoader (#529) charge le FLUX.2 VAE. LoraLoaderModelOnly (#664) applique ensuite la cohérence LoRA à 0.35, tandis que IdentityGuidance (#824) ajoute une correction latente adaptative. Laissez ces valeurs par défaut inchangées pour votre premier ensemble de données afin de pouvoir évaluer la référence et les instructions avant de régler la pile de modèles.

Image de référence et préparation du visage#

Chargez une image source claire dans LoadImage (#535). Un portrait de face ou de trois quarts avec des vêtements visibles, un éclairage propre, et un visage non obstrué donne au flux de travail l'ancre d'identité la plus forte. AutoCropFaces (#537) extrait une référence de visage carrée, et ImageResizeKJv2 (#562) prépare l'image pour le chemin de conditionnement partagé. Une seconde découpe de visage plus tard dans le graphe est utilisée lorsqu'une sortie en gros plan nécessite une vérification d'identité plus serrée.

Utilisez les champs optionnels STYLE et CLOTHES pour décrire les détails qui doivent rester stables. Gardez ces descriptions courtes et concrètes. Nommez la coiffure, le vêtement, la couleur, le matériau, et le style de rendu au lieu de répéter une longue instruction de scène dans chaque module.

Dénomination de la sortie et mode de sauvegarde#

Définissez NAME (CHARACTER) (#2905) avant d'exécuter le graphe. Le flux de travail combine cette valeur avec son dossier racine et le type de sortie, plaçant les images sauvegardées sous ComfyUI/output/CCC/<NAME>/. Un nom unique et simple empêche plusieurs personnages d'être mélangés dans le même ensemble d'entraînement.

Save Dataset (1 = save | 2 = preview only) (#2922) contrôle si le lot révisé est écrit sur le disque. Commencez avec 2 pour inspecter le tableau sans engager de fichiers. Passez à 1 lorsque les sorties préservent l'identité voulue; Image Save (#2053) écrit alors le lot sélectionné en utilisant le chemin et le préfixe de l'ensemble de données configuré.

Ancres d'identité neutres#

Exécutez d'abord les modules neutres car ils révèlent la dérive d'identité avant que les scènes plus difficiles ne commencent:

• T-POSE crée une vue en studio de plein corps qui expose les proportions, les vêtements, et la silhouette.
• SIDE-WALK teste un profil latéral propre tout en introduisant un mouvement naturel du corps.
• BACK-VIEW vérifie la longueur des cheveux, la forme du vêtement, et les proportions du corps arrière.
• CLOSE-FRONT et CLOSE-PROFILE établissent des ancres faciales détaillées pour les vues frontales et latérales.

Ces sorties sont particulièrement utiles pour les feuilles de personnage, les références de rigging, les études de rotation, et le cœur d'un ensemble de données LoRA. Si le visage dérive déjà ici, améliorez l'image source ou clarifiez STYLE et CLOTHES avant de générer les scènes restantes.

Tests d'expressions et d'éclairage#

Les modules de gros plans créent des variantes CLOSE-SMILE, CLOSE-SAD, et CLOSE-ANGRY sans changer le visage sous-jacent. BACKLIT, LOW-ANGLE, HIGH-ANGLE, et SKY-LOOKUP testent ensuite l'identité sous un éclairage et des positions de caméra plus difficiles. Ensemble, ces images aident un futur ensemble d'entraînement à couvrir la gamme émotionnelle et les changements de point de vue au lieu de se suradapter à un portrait neutre.

Examinez les détails fins tels que la forme des yeux, la ligne de la mâchoire, la ligne des cheveux, le teint, et les accessoires récurrents. Ne gardez que les images qui ressemblent toujours au même personnage; un ensemble de données propre plus petit est plus utile qu'un ensemble plus grand avec une dérive d'identité évidente.

Scènes de tous les jours et couverture environnementale#

Le flux de travail inclut des scènes pratiques telles que COFFEE, FOREST, DECKCHAIR, BED, OFFICE, NIGHTCLUB, PARK-SMOKE, BEACH, et CANYON. Ces modules varient le lieu, le cadrage, les accessoires, le temps, et l'exposition des vêtements tout en réutilisant la même pile d'identité. Ils sont utiles pour vérifier si un personnage reste reconnaissable dans des contextes de style de vie, éditoriaux, cinématographiques, et extérieurs.

Les instructions sont éditables. Changez les détails de la scène tout en préservant l'instruction de correspondre au visage, au style, et aux vêtements du personnage de référence. Lorsqu'un accessoire ou une pose provoque une distorsion, simplifiez l'instruction de ce module plutôt que d'affaiblir la guidance d'identité sur l'ensemble du graphe.

Couverture d'action et de fantaisie#

RUNNING, FLYING, et FLYING-LAVA poussent le personnage dans des changements de pose et d'environnement importants. Ce sont délibérément des tests de cohérence difficiles : ils introduisent du mouvement, une perspective inhabituelle, un éclairage fort, et plus de liberté dans l'arrière-plan. Utilisez-les après que les groupes neutres et de gros plans soient stables. S'ils dérivent, renforcez la description du personnage, réutilisez une sortie neutre propre comme référence supplémentaire lorsque supporté, ou retirez la prise échouée de l'ensemble de données sauvegardé.

Échantillonnage et assemblage de lots#

Chaque module de génération utilise un sous-graphe Image Edit (Flux.2 Dev) répété. Il encode les images de référence disponibles en latents de référence, applique l'instruction du module, échantillonne avec le modèle partagé et les contrôles d'identité, et décode le résultat. Le graphe fourni utilise un programme de 20 étapes FLUX.2 et un échantillonnage Euler comme point de départ fiable. Les nœuds ImageCollect rassemblent les sorties du module, BatchImagesNode (#2893) assemble le lot final, et le commutateur de sauvegarde le dirige soit vers la prévisualisation soit vers le dossier d'ensemble de données nommé.

Nœuds clés dans le flux de travail ComfyUI du Créateur de Personnages Cohérents 4.0#

IdentityGuidance (#824)#

Préserve l'identité pendant l'échantillonnage en comparant le latent généré avec la référence encodée par le VAE. Les paramètres adaptatifs fournis favorisent les régions correspondantes tout en laissant de la place pour les changements de pose, d'expression, et de scène. Si l'identité est faible dans la plupart des modules, effectuez de petits changements de force uniquement après avoir confirmé que la découpe de référence et la cohérence LoRA sont correctes.

LoraLoaderModelOnly (#664)#

Charge la LoRA de Consistance FLUX.2 Klein V2 à 0.35. C'est le contrôle de cohérence partagé pour chaque module de génération. L'augmenter trop peut rendre les poses rigides ou copier le cadrage de la source; le diminuer peut augmenter la dérive. Gardez la valeur originale lors de l'établissement d'une base.

AutoCropFaces (#537 et #1895)#

Crée des références de visage focalisées à partir de la source et des sorties sélectionnées. La première découpe ancre l'identité lors de la configuration, tandis que la découpe ultérieure soutient les chemins de référence en gros plan et en aval. Utilisez une entrée avec un visage clairement visible pour que le recadrage automatique ne sélectionne pas le mauvais sujet.

ResolutionSelector (#2903)#

Définit les dimensions de toile communes utilisées par les modules de l'ensemble de données. Le flux de travail fourni utilise un format carré, qui fonctionne bien pour les gros plans mixtes et les références de plein corps. Conservez une résolution unique sur un ensemble de données sauf si votre pipeline d'entraînement attend explicitement plusieurs rapports d'aspect.

ImpactInversedSwitch (#2922)#

Sépare le comportement de prévisualisation du comportement de sauvegarde. Utilisez la sortie 2 lors de la révision et la sortie 1 uniquement après que le tableau complet passe votre vérification de cohérence. Cela facilite l'itération sans remplir le dossier d'ensemble de données final avec des générations rejetées.

Image Save (#2053)#

Écrit le lot accepté dans le chemin construit à partir du dossier racine, du nom du personnage, et du type d'ensemble de données. Définissez le nom avant de mettre en file d'attente et gardez-le stable lors des réexécutions pour que les légendes et les fichiers d'entraînement LoRA futurs restent organisés.

Extras optionnels#

• Commencez en mode prévisualisation et jugez les vues neutres avant les modules d'environnement ou d'action.
• Utilisez une référence nette avec un visage et des indices corporels visibles; évitez l'occlusion lourde, le flou extrême, ou plusieurs personnes.
• Décrivez le personnage dans les champs optionnels de style et de vêtements pour que les instructions de scène répétées n'aient pas à porter tous les détails d'identité.
• Gardez le chargeur CLIP sur flux2 et la cohérence LoRA à 0.35 pour le premier essai.
• Sauvegardez uniquement les sorties qui correspondent au personnage. Rejetez les yeux incohérents, les proportions faciales, la coiffure, les détails vestimentaires, ou la forme corporelle.
• Légendez l'ensemble de données nettoyé après révision, puis inspectez ces légendes avant de commencer l'entraînement LoRA.
• FLUX.2 Klein 9B est non-commercial sous sa licence de modèle publiée. Vérifiez le modèle, LoRA, et les licences de nœuds personnalisés pour votre utilisation prévue avant de distribuer des sorties ou des dérivés entraînés.

Remerciements#

Ce flux de travail a été créé et partagé par MickMumpitz comme l'édition simple du Créateur de Personnages Cohérents 4.0. Il se base sur FLUX.2 Klein 9B de Black Forest Labs, les actifs FLUX.2 ComfyUI de Comfy-Org, la LoRA de cohérence FLUX.2 Klein de dx8152, et les nœuds de préservation de l'identité de capitan01R. Nous remercions chaleureusement les auteurs et mainteneurs de ces modèles, nœuds, et ressources de flux de travail.

Ressources#

• MickMumpitz/Consistent Character Creator 4.0 source
  • Guide de flux de travail et téléchargements : The Consistent Character Creator 4.0 is here
• MickMumpitz/ComfyUI custom nodes
  • GitHub : mickmumpitz/ComfyUI-Mickmumpitz-Nodes
• Black Forest Labs/FLUX.2 Klein 9B FP8
  • Hugging Face : black-forest-labs/FLUX.2-klein-9b-fp8
• Comfy-Org/FLUX.2 VAE and Qwen3 encoder assets
  • VAE : Comfy-Org/flux2-dev
  • Encodeur de texte : Comfy-Org/vae-text-encorder-for-flux-klein-9b
• dx8152/FLUX.2 Klein 9B Consistency LoRA

-json {